单数/复数单词的本地化 - 语法数字有哪些不同的语言规则？

Question

我一直在开发一个 .NET 字符串格式化库来协助应用程序的本地化。它称为 SmartFormat，在 GitHub 上开源。

它试图解决的问题之一是语法数字。这也称为“单数和复数形式”或“条件格式”，下面是它的英语片段：

var message = "There {0:is|are} {0} {0:item|items} remaining";

// You can use the Smart.Format method just like using String.Format:
var output = Smart.Format(CultureInfo.CurrentUICulture, message, items.Count);

我相信您知道，英语规则是有两种形式（单数和复数）复数）可应用于名词、动词和形容词。如果数量为1，则使用单数，否则使用复数。

我现在正在尝试通过为其他语言实施正确的规则来“拓宽我的视野”！我逐渐了解到，有些语言最多可以有 4 个复数形式，并且需要一些逻辑来确定正确的形式。我想扩展我的代码以适应多种语言。例如，我听说俄语、波兰语和土耳其语的规则与英语有很大不同，所以这可能是一个很好的起点。

但是，我只会说英语和西班牙语，那么如何确定许多常见语言的正确语法规则呢？

编辑：我还想知道一些适合我的单元测试的好的非英语“测试短语”：有哪些好的非英语短语具有单数和复数形式，可用于测试国际化和本土化图书馆？

Answer 1

当然，不同的语言有不同的复数规则。特别有趣的是阿拉伯语和波兰语，它们都包含相当多的复数形式。

如果您想了解更多关于这些规则的信息，请访问Unicode Common Locale Data Repository，即语言复数规则。

那里有很多有趣的信息，不幸的是其中一些信息是错误的。我希望复数形式是正确的（至少对于波兰语来说是正确的，据我所知:)）。

Answer 2

如果您在问题正文中提供您正在使用的规则示例，那就太好了，它们采用什么格式？

无论如何，在您的示例中：

var message = "There {0:is:are} {0} {0:item:items} remaining";

您似乎基于这样的假设：两个选择段中的选择都基于相同的单个规则，并且两个选择之间存在直接对应关系 - 即会选择相同的单个规则（是，项目）或（是，项目）。

这种假设对于其他语言不一定正确，例如虚构的语言 English-ez （只是为了让读者更容易理解，我发现外语中的例子令人恼火 - 我借用了阿拉伯语，但简化了很多） 。该语言的规则如下：

第一个选择段与普通英语相同：

is: count=1
are: count=0, count=2..infinity

第二个选择段与普通英语有不同的规则，假设以下简单规则：

item: count=1
item-da: count=2 # this language has a special dual form.
items: count=0, count=3..infinity 

现在单一规则解决方案是不够的 - 我们可以建议采用不同的形式：

var message = "There {0:is:are@rule1} {0} {0:item:items@rule2} remaining";

此解决方案在其他情况下可能会出现问题，但我们正在讨论您提供的示例。

检查 gettext（允许选择单个级别的完整消息）和 ICU（允许选择多个级别的完整消息，即多个变量）。

Answer 3

您所采取的方法可能适用于英语和西班牙语的大多数情况，但很可能不适用于许多其他语言。问题是你只有一种模式可以尝试解决所有语法数字。

var message = "There {0:is|are} {0} {0:item|items} remaining";

每种语法性别都需要一个模式。在这里，我将两个模式组合在一起形成一个多模式字符串。

var message = PluralFormat("one;There is {0} item remaining;other;There are {0} items remaining", count);

英语使用两种语法数字：单数和复数。一个开始单数模式，另一个开始复数模式。

例如，当翻译成使用相同数量语法数字的芬兰语时，您将使用

"one;{0} kappale jäljellä;other;{0} kappaletta jäljellä"

但是日语仅使用一个语法数字，因此日语只会使用其他语法数字。波兰语使用三个语法数字，因此它包含一、少和多。

其次，您需要适当的规则来选择正确的模式数量的多个模式。 Unicode 联盟的 CLDR 将规则包含在 XML 文件中。

我实现了一个开源库，它使用 CLDR 规则（从 XML 转换为 C# 代码并包含到库中）和多模式字符串来支持语法数字和语法性别。

https://github.com/jaska45/I18N

使用此库，您的示例将变成

var message = MultiPattern.Format("one;There is {0} item remaining;other;There are {0} items remaining", count);